4438 articles
Le papier présente Lens2Zernike, un cadre d'apprentissage profond physiquement cohérent qui récupère de manière aveugle les paramètres optiques à partir d'une seule image floue en intégrant une supervision multi-tâche sur trois domaines optiques distincts, permettant ainsi une déconvolution non aveugle stable et une restauration supérieure des détails sur les appareils mobiles.
Cette étude propose une évaluation à grande échelle des modèles de restauration d'images génératifs, révélant un changement de paradigme où le défi principal évolue de la pénurie de détails vers le contrôle de la qualité et de la sémantique pour éviter la sur-génération.
Le papier présente Tell2Adapt, un cadre unifié d'adaptation de domaine non supervisée sans source pour la segmentation d'images médicales qui exploite les connaissances d'un modèle de fondation visuel via des régularisations de prompts contextuels et un raffinement de plausibilité visuelle pour surpasser les méthodes existantes sur une large gamme de cibles anatomiques.
Cet article propose un cadre de segmentation sémantique généralisable et un nouveau jeu de données de référence, Semap, pour traiter efficacement la diversité des collections de cartes historiques, démontrant ainsi la viabilité d'une approche axée sur la diversité pour l'intégration de ces archives dans les études géohistoriques.
Cet article présente IRTTA, une méthode d'adaptation au test qui améliore la segmentation d'images médicales en exploitant les reconstructions intermédiaires de la tomographie par cohérence optique pour ajuster dynamiquement les paramètres d'un réseau de segmentation figé sans modifier le processus de reconstruction ni le modèle initial.
Le papier présente CoIn3D, un cadre généralisable pour la détection d'objets 3D multi-caméras qui améliore le transfert vers des configurations inédites en intégrant explicitement les disparités des priors spatiaux (intrinsèques, extrinsèques et agencement) via une modulation de caractéristiques spatiales et une augmentation de données par synthèse d'images.
Cet article propose CLIP-PZSL, un cadre d'apprentissage zéro-shot piloté par CLIP qui gère les étiquettes ambiguës en fusionnant les caractéristiques d'instances et de labels via un bloc d'extraction sémantique et une fonction de perte partielle pour identifier progressivement les vérités terrain et améliorer l'alignement sémantique.
Cette étude présente un système de détection des gyrophares bleus utilisant quatre caméras grand angle et un modèle RT-DETR amélioré par une attention chromatique, qui atteint une précision de 94,7 % sur le jeu de données ABLDataset pour renforcer la sécurité routière via les systèmes ADAS.
L'article propose MI-DETR, une méthode bio-inspirée pour la détection de petites cibles infrarouges en mouvement qui intègre explicitement l'information motrice via un automate cellulaire et des voies parvocellulaire et magnocellulaire, atteignant des performances de pointe sur plusieurs benchmarks sans nécessiter de supervision ou d'alignement supplémentaires.
Ce papier présente UniM, le premier benchmark unifié de 31 000 instances couvrant sept modalités pour évaluer les capacités des grands modèles multimodaux à comprendre et générer des entrées et sorties multimodales entrelacées de manière arbitraire, accompagné d'une suite d'évaluation et d'un modèle de référence nommé UniMA.
Le papier présente MoRe, un réseau de reconstruction 4D feed-forward efficace qui, grâce à une stratégie d'attention forcée et une attention causale groupée, permet de reconstruire des scènes dynamiques de haute qualité à partir de vidéos monoculaires tout en évitant les coûts computationnels élevés des méthodes d'optimisation existantes.
Cet article propose Orster, un cadre novateur qui transfère les priors spatiaux et temporels de modèles de diffusion 3D et vidéo vers un modèle de diffusion 4D désenchevêtré, surmontant ainsi le manque de données 4D massives pour générer du contenu 4D de haute qualité avec une cohérence spatio-temporelle supérieure.
Cet article propose une méthode d'attribution Shapley sur-manifold fondée sur des flots génératifs optimaux, qui résout les artefacts hors-manifold en définissant un attribut canonique unique via l'intégrale de ligne du gradient le long des géodésiques de Wasserstein minimisant l'énergie cinétique.
Le papier propose GEM-TFL, un cadre de localisation de falsification temporelle qui comble l'écart entre l'apprentissage faiblement et pleinement supervisé en combinant une optimisation EM pour enrichir les étiquettes binaires, un raffinement temporel sans entraînement et un module de raffinement basé sur des graphes pour améliorer la précision et la cohérence des détections.
Diff-ES est un cadre de pruning structurel par étapes pour les modèles de diffusion qui utilise une recherche évolutionnaire pour optimiser automatiquement les schedules d'élagage et les exécute via un routage de poids efficace en mémoire, permettant d'accélérer la génération d'images sans duplication de paramètres ni perte significative de qualité.
Le papier présente BLINK, un modèle d'espace d'états récurrent basé sur les trajectoires qui apprend la dynamique latente des interactions entre les cellules NK et les cellules tumorales pour prédire et anticiper les résultats de cytotoxicité tout en offrant une représentation interprétable des modes comportementaux cellulaires.
Le papier présente UniPAR, un cadre unifié basé sur les Transformers qui surmonte les limites des approches actuelles en permettant à un seul modèle de traiter simultanément des données hétérogènes (images RGB, vidéos et flux d'événements) pour la reconnaissance d'attributs piétons, tout en améliorant la généralisation inter-domaines grâce à une stratégie de fusion progressive et un entraînement conjoint sur plusieurs jeux de données.
Cet article propose SRasP, une nouvelle méthode de perturbation de style auto-réorientée qui améliore l'apprentissage few-shot cross-domaine en stabilisant les gradients et en favorisant la convergence vers des minima plus plats grâce à une guidance sémantique globale et une optimisation multi-objectifs.
Ce papier propose un cadre d'inférence adaptatif pour les modèles Vision-Language-Action qui, en analysant la complexité de l'état perçu via des embeddings visuels, permet de décider dynamiquement d'agir immédiatement, de raisonner sur des scénarios ambigus ou de s'abstenir d'agir pour éviter les échecs catastrophiques, optimisant ainsi l'allocation des ressources computationnelles.
Ce papier présente SSR-GS, un cadre de reconstruction de surfaces brillantes qui améliore le splatting gaussien 3D en modélisant les réflexions spéculaires directes et indirectes tout en intégrant des priors géométriques et visuels pour atténuer l'impact des zones dominées par les reflets.